使用自注意力机制及数据增强策略的乐曲风格识别方法.pdfVIP

第44卷第3期Vol.44,No.3

2025年5月JournalofAppliedAcousticsMay,2025

⋄研究论文⋄

使用自注意力机制及数据增强策略的

乐曲风格识别方法

林怡徐超兰龙桂铃

(宜春学院宜春336000)

摘要：乐曲风格识别是音乐信息检索领域的一个关键分支，现有技术，包括卷积神经网络和Transformer模型，

常面临特征提取不精细、信息融合不足等问题。针对这些问题，该研究设计了一种时域patch划分和局部-全

局注意力机制。时域patch划分方法按照时域方向将整个时间点的频域信息划分为一个patch再输入编码器

中，局部-全局注意力机制结合了自注意力的全局建模能力和卷积神经网络的局部特征提取能力，能够同时建

模全局和局部信息。这些方法更能适应声频特征并显著提升了乐曲风格的分类性能。模型在GTZAN数据集

上的准确率达到了94.80%，同时在UrbanSound8K数据集上的准确率为95.14%，具有较好的鲁棒性，能够适

用于多种声频分类任务。

关键词：自注意力机制；乐曲风格识别；数据增强；声频特征提取

中图法分类号:TP312文献标识码:A文章编号:1000-310X(2025)03-0615-12

DOI:10.11684/j.issn.1000-310X.2025.03.010

Musicstylerecognitionusingself-attentionmechanismanddata

enhancementstrategy

LINYi,XUChaolanandLONGGuiling

(YichunUniversity,Yichun,China)

Abstract:Musicstylerecognitionisakeybranchinthefieldofmusicinformationretrieval.Existingtech-

nologies,includingconvolutionalneuralnetworkandTransformermodel,oftenfaceproblemssuchasimprecise

featureextractionandinsufficientinformationfusion.Tosolvetheseproblems,atime-domainpatchpartition

andlocal-globalattentionmechanismaredesignedinthisstudy.Accordingtothetimedomaindirection,the

frequencydomaininformationoftheentiretimepointisdividedintoapatchandtheninputintotheencoder.

Thelocal-globalattentionmechanismcombinestheglobalmodelingcapabilityofself-attentionandthelocal

featureextractioncapabilityofconvolutional